
大数据面临的三重困难需从四个方面优化
近年来,大数据产业已成为新的技术制高点和经济增长的新动力,深刻改变着宏观经济环境,受到各国高度重视。日前在京举行的“2016中国大数据产业生态大会”上,与会专家表示,我国大数据产业当前还面临信息资源难共享、数据安全风险大、产业生态不健全等难题,需从优化产业政策入手,促其健康发展。
产业呈现良好发展态势
北京大学教授杨学山认为,我国大数据产业虽还处于探索起步阶段,但在对大数据的社会认知、政策环境、市场规模、产业支撑能力等方面都取得了积极进展,为大数据产业的可持续发展创造了良好条件。
首先,大数据产业发展政策日益完善。大数据产业是云计算技术、物联网和移动互联网广泛普及的结果。鉴于大数据对经济、社会、科研、国家安全等方面的巨大价值,中国各级政府纷纷制定相关政策推动大数据产业深入发展。
早在2011年,工信部发布的《通信业“十二五”发展规划》就把云计算定位为构建国家级信息基础设施、实现融合创新的关键技术和重点发展方向,此规划被视为较早推动大数据发展的政策。
2015年8月,国务院印发了《促进大数据发展行动纲要》,全面阐述了我国发展大数据产业的意义、目标、任务和政策,此纲要的出台标志着大数据产业已被提升为国家战略高度,逐渐完善的政策体系为大数据产业发展提供了良好条件。
其次,各地逐渐建立起了大数据产业发展平台。随着国家和地方政府大数据产业发展政策的制定和实施,大数据产业发展的相关平台也逐步建立。
据了解,到目前为止,全国各地已建成和在建的大数据产业园已达到100多个。为推动大数据研究,学术界成立了大数据专家委员会等机构,举办了大数据共享与开发、大数据技术创新、大数据运用、大数据产业发展等主题的学术研讨会。
另外,大数据的市场空间广阔且在持续扩大。大数据产业主要涉及数据的收集、存储、分析和运用等环节,其在金融、电子商务、医疗、农业、政务等领域发挥着越来越重要的作用。
虽然我国的大数据产业已彰显出巨大的市场空间和持续增长的态势。例如,金融行业利用大数据技术处理业务,提高了工作效率,降低了审计风险;交通部门利用大数据检测交通流量变化,优化了公共交通资源配置;制造业利用大数据优化生产流程。而随着企业级用户对大数据需求的持续增加,大数据的市场空间将进一步扩大。
发展仍面临三重困难
中国工程院院士孙家广认为,大数据产业发展具有极强的技术和信息依赖性,由于我国大数据产业起步滞后以及基础条件不够成熟,其在快速发展的同时,面临的困难也日渐显现。
其中一大难题便是,信息壁垒降低了大数据产业资源配置效率。大数据产业发展必须实现数据信息的自由流动和共享,如果数据不开放、不共享,数据整合就不能实现,数据价值也会大大降低。
然而,这一问题并没有得到相关政府部门的足够重视。这主要是由于地方政府没有形成与全局思维,仍认为自己的数据信息不可以开放共享,甚至将其视为抢占大数据产业发展先机的优势条件。此外,政府部门是社会信息的主要控制者,其信息又分别被不同部门和区域控制,而不同部门和区域间的数据标准各异,信息资源也就难以实现共享。
另外,数据安全管理薄弱增加了大数据产业的发展风险。
数据安全和隐私保护是大数据产业发展的世界性难题,这主要体现在三个方面:其一,数据的海量存储增加了数据安防的难度,可能造成大量数据损坏或丢失,造成难以想象的后果;其二,在大数据时代,数据的多元性和复杂性要求人们形成更强的安全意识,但现实中不论企业还是个人的安全意识还没有从传统的非信息时代转变过来,存在巨大潜在风险;其三,网络攻击带来了数据安全风险,随着大数据在政府、金融、公共事业等领域的广泛运用,数据泄露带来的损失远远超出行业范畴,而是全局性的国家安全问题。
目前,我国保护大数据安全的能力十分有限,加上大数据安全法律法规缺失、网络信息管理体制存在缺陷等问题,大大增加了我国大数据产业的发展风险。
不仅如此,产业生态体系存在短板,阻碍了大数据产业链和产业集群的形成。产业健康可持续发展的一个重要特征就是形成了完整的产业链条和多层次的生态体系。我国大数据产业仍处于起步阶段,主要体现为:各领域大数据企业分散现象普遍;产业发展、政策、平台、创新、环境等不协调;大数据企业之间分工不明确、交流合作不足、协同力度不够;大数据行业协会、产业联盟发展滞后。
需从四方面优化产业政策
中国科学院院士、北京理工大学副校长梅宏表示,为克服困难,促进我国大数据产业健康发展,相关的产业政策应从以下四方面优化:
第一,完善大数据产业发展战略规划,优化产业布局。
实践表明,新兴产业如果缺乏科学理论指导,容易出现盲目发展、重复建设、同质竞争等问题。为此,我国应尽快优化对大数据产业的战略规划,明确方向和重点,制定长、中、短期发展目标,完善投融资、知识产权、利益分配等方面的政策,为大数据产业创造良好发展环境。
第二,依托大众创新创业优化大数据产业发展环境。大众创新创业有利于增强创新驱动活力、拓宽创业渠道、优化创新环境、促进中小企业发展、优化产业结构等,这无疑是解决大数据发展创新技术受限、企业竞争不充分等问题的有效途径。
第三,加强大数据共享平台和安全保障体系建设。在数据共享方面,应尽快制定和出台《公共信息资源开发共享管理办法》,以法律形式规定公共信息资源开放共享的内容、程序、标准等,并在此基础上建立公共信息资源共享网站,形成共享服务体系;在数据安全方面,应完善国家数据安全法律法规,同时加强网络安全基础设施建设,建立和完善大数据安全应急机制,从而大幅度降低大数据风险。
第四,实施融合发展战略,构建大数据产业生态体系。这里的融合发展既包括大数据与其他产业的融合,又包括大数据企业与政府、社会组织的融合。
大数据要形成完整的产业链和生态体系,需要众多产业的支撑。因此,构建大数据产业与其他产业发展的联动机制,组建全国性、区域性的大数据产业联盟,加强大数据产业链各个环节企业的合作,显得尤为重要。大数据产业发展需要同时发挥好政府、企业、社会中介等多方面力量,聚集各方优势。企业应在产业发展过程中充当主体地位,政府应根据企业的需求,提供政策和服务。社会中介组织也不容忽视,政府部门应加强对大数据行业协会、科研机构、产业联盟等组织的培育和扶持,充分发挥它们在理论研究、技术研发、社会调研等方面的作用,使之成为推动大数据产业发展的另一支重要力量。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19CDA 数据分析师:数字化时代的价值创造者与决策智囊 在数据洪流席卷全球的今天,“数据驱动” 已从企业战略口号落地为核心 ...
2025-08-19CDA 数据分析师:善用 Power BI 索引列,提升数据处理与分析效率 在 Power BI 数据分析流程中,“数据准备” 是决定后续分析质量 ...
2025-08-18CDA 数据分析师:巧用 SQL 多个聚合函数,解锁数据多维洞察 在企业数据分析场景中,单一维度的统计(如 “总销售额”“用户总数 ...
2025-08-18CDA 数据分析师:驾驭表格结构数据的核心角色与实践应用 在企业日常数据存储与分析场景中,表格结构数据(如 Excel 表格、数据库 ...
2025-08-18PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13